MétaCan
Menu
Retour à la cohorte
Enregistrement W4415537477 · doi:10.1007/s13320-025-0774-0

High-Sensitivity Microbend Sensor Based on Light Cones in Coreless Fiber

2025· article· en· W4415537477 sur OpenAlexaff
Junhua Huang, Ya Han, Lei Chen, Zhong Yu, Feifan Huang, K-Y Chou, Linwei Huang, Gui‐Shi Liu, Yaofei Chen, Zhe Chen, Yunhan Luo

Notice bibliographique

RevuePhotonic Sensors · 2025
Typearticle
Langueen
DomaineEngineering
ThématiqueAdvanced Fiber Optic Sensors
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesBasic and Applied Basic Research Foundation of Guangdong ProvinceFundamental Research Funds for the Central UniversitiesNational Natural Science Foundation of China
Mots-clésMulti-mode optical fiberCurvatureTransmission (telecommunications)Sensitivity (control systems)BendingOptical fiberFiber

Résumé

récupéré en direct d'OpenAlex

Abstract Eigenmode expansion (EME) is a widely used method for modeling the electromagnetic wave propagation in multimode waveguides, where it breaks down signals into local eigenmodes and calculates them independently. Nevertheless, this methodology may challenge the causality mandated by the theory of special relativity, thus potentially disrupting the cause-and-effect relationship. This study experimentally explored light transmission in the multimode coreless fiber and found discrepancies between the EME method and measurement. To reconcile these inconsistencies, we introduced a light cone model, providing an alternative interpretation guided by the principles of special relativity. Remarkably, this innovative model did not merely resolve the observed discrepancies between the theory and experiments, but also presented a pioneering technique for designing microbend sensors. Through experimentation, we achieved the remarkable sensitivity of 500 dB/m −1 at a bending curvature of 0 m −1 . Our research advances the understanding of multimode systems and paves the way for innovative sensing and communications applications in compact devices.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,559
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,006
Tête enseignante GPT0,217
Écart entre enseignants0,211 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePhotonic SensorsMême sujetAdvanced Fiber Optic SensorsTravaux en français237 207